Introduction

Data mining - CdL CLAMSES

Tommaso Rigon

Università degli Studi di Milano-Bicocca

Errore quadratico medio di previsione

  • Si consideri un vettore di variabili esplicative a valori reali x \in \mathbb{R}^p.

  • Interessa penalizzare gli errori di previsione utilizzando la funzione di perdita quadratica \mathscr{L}(y, f(x)) = (y - f(x))^2.

  • Il criterio di scelta di f risulta essere l’errore quadratico medio di previsione \mathbb{E}\{(y - f(x))^2 \}.

  • La cui soluzione di minimo è f(x) = \mathbb{E}\{y \mid x = x_0\}, il valore atteso condizionato, ovvero la funzione di regressione.

Slide per caterina

  • Quanto fa 15 + 18?

  • Risposta: 33

Another slide